Разпознаване на модел на крило на пеперуда. Любезно изображение на Ли Ли
Тук във Вашингтон чухме за това нещо, което наричате „предварително планиране“, но все още не сме готови да го приемем. Малко прекалено футуристично.
Все пак не можем да не се възхищаваме отдалеч на онези, които се опитват да предскажат какво може да се случи след повече от месец. Така бях впечатлен преди няколко седмици, когато големите мислители в IBM си представиха света пет години оттук и определиха това, което те вярват, че ще бъдат пет области на иновациите, които ще имат най-голямо влияние върху ежедневието ни.
Правят това от няколко години, но този път нахалните свирки последваха тема - петте човешки сетива. Не че казват, че до 2018 г. всички ние ще можем да виждаме, чуваме и ухаем по-добре, но по-скоро машините ще - че с помощта на бързо развиващите се сензорни и когнитивни технологии компютрите ще ускорят трансформацията си от извличане на данни и обработка на двигатели към мислещи инструменти.
Виждате ли модел?
Днес нека се занимаваме с визията. Логично е да се предположи, че IBM може да се позовава на Project Glass на Google. Без съмнение, че е предефинирала ролята на очилата, от geeky аксесоар, който ни помага да виждаме по-добре комбинираното устройство за смартфон / гмуркане на данни, което някой ден ще носим на лицата си.
Но не за това говорят IBMers. Те са фокусирани върху машинното зрение, по-специално разпознаването на образи, при което чрез многократно излагане на изображения компютрите могат да идентифицират нещата.
Както се оказва, Google се случи да участва в един от по-забележителните миналогодишни експерименти за разпознаване на модели - проект, при който мрежа от 1000 компютъра, използващи 16 000 процесори, след като проучи 10 милиона изображения от видеоклипове в YouTube, успя да се научи на какво котка приличаше.
Това, което направи това особено впечатляващо, е, че компютрите бяха в състояние да направят това без никакви човешки напътствия какво да търсят. Цялото обучение беше направено чрез машините, работещи заедно, за да решат кои характеристики на котките заслужават тяхното внимание и кои модели имат значение.
И това е моделът за това как машините ще научат зрението. Ето как Джон Смит, старши мениджър в Интелигентното управление на информацията на IBM, го обяснява:
„Да речем, че искахме да научим компютъра как изглежда плаж. Ще започнем с показването на компютъра много примери за сцени на плажа. Компютърът би превърнал тези изображения в различни функции, като разпределение на цветовете, текстурни модели, информация за ръбовете или информация за движение в случай на видео. Тогава компютърът щеше да започне да научава как да различава плажни сцени от други сцени въз основа на тези различни функции. Например, ще научите, че за плажна сцена обикновено се срещат определени цветови разпределения в сравнение с градския пейзаж в центъра на града. "
Колко умен е умен?
Браво за тях. Но обърнете внимание, че идентифицирането на плаж е доста основни неща за повечето от нас хора. Може ли да се увлечем от това колко мислещи машини ще могат да направят за нас?
Гари Маркъс, професор по психология в Нюйоркския университет, смята така. Пише наскоро на уебсайта на „Ню Йоркър“, той заключава, че въпреки че е постигнат голям напредък в това, което става известно като „задълбочено обучение“, машините все още предстоят дълъг път, преди да бъдат считани за наистина интелигентни.
„Реално, задълбоченото обучение е само част от по-голямото предизвикателство за изграждането на интелигентни машини. При такива техники липсват начини за представяне на причинно-следствените връзки (като например между болести и техните симптоми) и вероятно ще се сблъскат с предизвикателства при придобиването на абстрактни идеи като „братя и сестри“ или „идентични на“. Те нямат очевидни начини за извършване на логически изводи и те също са далеч от интегрирането на абстрактни знания, като например информация за това какви обекти са, за какво са предназначени и как обикновено се използват. "
Хората в IBM без съмнение признават толкова много. Машинното обучение идва на стъпки, а не скокове.
Но те вярват, че в рамките на пет години задълбоченото обучение ще предприеме достатъчно стъпки напред, че компютрите, например, ще започнат да играят много по-голяма роля в медицинската диагностика, че всъщност могат да станат по-добри от лекарите, когато става дума за забелязване на тумори, кръвни съсиреци или болна тъкан при ЯМР, рентгенови лъчи или КТ.
И това може да има голяма промяна в живота ни.
Око да види ръка да пипне
Ето още начини, по които машинното зрение оказва влияние върху живота ни:
- Поставяне на най-добрата си ръка напред: Технологиите, разработени в университета в Питсбърг, използват разпознаване на образи, за да позволят на параплегиците да контролират роботизирана ръка с мозъка си.
- Вашата уста казва „да“, но мозъкът ви казва „не“. Изследователи от Станфорд откриха, че използването на алгоритми за разпознаване на модели при ЯМР сканиране на мозъци може да им помогне да определят дали някой действително има болка в долната част на гърба или дали го фалшифицира.
- Когато вашите бенки са готови за близките си снимки: Миналата година румънски стартъп на име SkinVision пусна приложение за iPhone, което позволява на хората да правят снимка на бенки по кожата си и след това софтуерът за разпознаване на SkinVision идентифицира всички нередности и посочва нивото на риска - без предлагайки реална диагноза. Следваща стъпка е да направим възможно хората да изпращат изображения на кожата си директно на дерматолога си.
- Имам ли сделка за вас: Сега в процес на разработка е маркетинговата технология, наречена Facedeals. Тя работи така: След като камера на входа на магазина ви разпознае, на вашия смарт телефон изпращате персонализирани сделки в магазина. И да, първо трябва да се включите.
- Бих знаел този печат навсякъде: Компютъризирана система за идентификация на снимки, която използва разпознаване на шаблони, помага на британските учени да проследяват сиви печати, които имат уникални маркировки върху палто.
Видео бонус: Докато сме на тема изкуствен интелект, ето рояк, който играе Бетовен, комплименти на учени от Georgia Tech. Обзалагам се, че не очаквахте да го видите днес.
Още от Smithsonian.com
По-човешки изкуствен мозък
Как технологията се бори с тероризма
